利用双能量CT预测颈动脉支架植入后的再狭窄：一项多中心研究

《European Radiology》：Predicting carotid in-stent restenosis with dual-energy CT: a multicenter study

本研究旨在评估双能CT（DECT）参数在预测颈动脉支架置入术后内-支架再狭窄（ISR）的临床价值，并建立整合DECT参数和临床预测因素的nomogram模型。通过回顾性多中心研究纳入205例患者，使用DECT扫描前评估参数，结果显示nomogram模型在训练集和验证集的AUC分别为0.931和0.872，显著优于单独临床模型（AUC 0.797）和DECT模型（AUC 0.880），并通过校准曲线和决策曲线分析验证其临床实用性，为个性化治疗和早期干预提供依据。

　　

摘要

目的

本研究旨在评估双能量计算机断层扫描（DECT）参数在预测颈动脉支架植入（CAS）后支架内再狭窄（ISR）方面的临床价值，并开发一个包含这些参数的 nomogram 模型，以提高 ISR 风险预测的准确性。

材料与方法

我们的回顾性多中心研究纳入了 205 名在 2018 年 1 月至 2023 年 4 月期间接受 CAS 治疗的患者，所有患者均在手术前进行了 DECT 扫描。两名放射科医生独立测量了 DECT 参数并评估了颈动脉斑块的特性。通过单变量和多变量分析来确定 ISR 的独立预测因素。我们开发了三种模型：临床模型、DECT 模型和 nomogram 模型。这些模型的评估基于曲线下面积（AUC）和校准情况，并利用决策曲线分析（DCA）来评估其临床价值。

结果

在 205 名患者中，训练集中有 35 例、验证集中有 15 例发生了 ISR。多变量分析确定斑块长度、脂肪比例、归一化碘浓度和有效原子数为 ISR 的独立预测因素。结合临床和 DECT 参数的 nomogram 模型在预测 ISR 方面表现出高准确性，训练集的 AUC 为 0.931（95% CI：0.878–0.966），验证集的 AUC 为 0.872（95% CI：0.754–0.947），优于临床模型（AUC：0.797，95% CI：0.673）和 DECT 模型（AUC：0.880，95% CI：0.853）。校准曲线和 DCA 显示了该 nomogram 的优异性能和临床实用性。

结论

整合 DECT 参数和临床预测因素的 nomogram 模型为预测 CAS 后的 ISR 风险提供了一种可靠且无创的工具。它有助于制定个性化治疗策略，并为早期干预提供重要参考。

关键点

问题 术前预测颈动脉支架植入后的支架内再狭窄（ISR）风险对于优化血运重建策略至关重要，但目前的评估方法仍然有限且具有主观性。

发现 结合斑块长度、脂肪比例、归一化碘浓度和有效原子数的 nomogram 在预测 ISR 风险时，训练集和验证集的 AUC 分别达到 0.931 和 0.872。

临床意义 该 nomogram 可作为预测 ISR 风险的有效工具，有助于指导个性化治疗，可能减少与 ISR 相关的中风并改善颈动脉支架植入的效果。

图形摘要